我正在研究文本分类用例。文本基本上是法律文件的内容，例如公司年度报告，W9等。因此共有10个不同类别，总共500个文件。因此，每个类别50个文档。因此，数据集由500行和2列组成，第一列由文本组成，第二列为目标。
我已经使用TF-IDF建立了一个基本模型来实现文字功能。我使用过多项朴素贝叶斯，SVC，线性SGD，多层感知器，随机森林。这些模型为我提供了大约70-75％的F1分数。
我想看看创建单词嵌入是否可以帮助我提高准确性。我使用gensim Word2vec训练了单词向量，并通过与上述相同的ML模型拟合了单词向量，但是我得到了大约30-35％的分数。我有一个非常小的数据集和很多类别，这是问题吗？是唯一原因，还是我错过了某些东西？